Technique de factorisation multi-biais pour des recommandations dynamiques

Modou Gueye Talel Abdessalem 1 Hubert Naacke 2
1 DBWeb
LTCI - Laboratoire Traitement et Communication de l'Information
2 BD - Bases de Données
LIP6 - Laboratoire d'Informatique de Paris 6
Résumé : La factorisation de matrices offre une grande qualité de prédiction pour les systèmes de recommandation. Mais sa nature statique empêche de tenir compte des nouvelles notes que les utilisateurs produisent en continu. Ainsi, la qualité des prédictions décroît entre deux factorisations lorsque de nombreuses notes ne sont pas prises en compte. La quantité de notes écartées est d'autant plus grande que la période entre deux factorisation est longue, ce qui accentue la baisse de qualité. Nos travaux visent à améliorer la qualité des recommandations. Nous proposons une factorisation de matrices utilisant des groupes de produits et intégrant en ligne les nouvelles notes des utilisateurs. Nous attribuons à chaque utilisateur un biais pour chaque groupe de produits similaires que nous mettons à jour. Ainsi, nous améliorons significativement les prédictions entre deux factorisations. Nos expérimentations sur des jeux de données réels montrent l'efficacité de notre approche.
Document type :
Conference papers
Complete list of metadatas

https://hal.archives-ouvertes.fr/hal-00913804
Contributor : Modou Gueye <>
Submitted on : Wednesday, December 4, 2013 - 2:07:53 PM
Last modification on : Thursday, October 17, 2019 - 12:36:46 PM

Identifiers

  • HAL Id : hal-00913804, version 1

Citation

Modou Gueye, Talel Abdessalem, Hubert Naacke. Technique de factorisation multi-biais pour des recommandations dynamiques. EGC 2013 - 13e Conférence Francophone sur l'Extraction et la Gestion des Connaissances, Jan 2013, Toulouse, France. pp.365-376. ⟨hal-00913804⟩

Share

Metrics

Record views

342